MySQL InnoDB 中的全文检索索引 ( 上 ) - MySQL InnoDB 那些事

在基于文本类型的列 ( char 、varchar 和 text ) 上创建全文 ( FULLTEXT ) 索引，并忽略任何定义为停用词的单词, 可以加快对这些列中包含的数据的查询和 DML 操作。

可以在使用 CREATE TABLE 语句创建表时指定全文索引，也可以在创建表之后使用 ALTER TABLE 或 CREATE INDEX 将全文索引添加到现有表中

全文索引的使用方式一般为使用 MATCH()... AGAINST 语法执行全文搜索。

InnoDB 全文索引设计

InnoDB 全文索引采用了「倒排」索引的设计方式。倒排索引存储单词列表，并为每个单词存储单词出现的文档列表。为了支持邻近搜索，每隔单词的位置信息 ( 字节偏移 ) 也会被同时存储。

InnoDB 全文索引表

创建 InnoDB 全文索引时，会同时创建一组索引表，如以下示例所示

mysql> CREATE TABLE opening_lines (
       id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
       opening_line TEXT(500),
       author VARCHAR(200),
       title VARCHAR(200),
       FULLTEXT idx (opening_line)
       ) ENGINE=InnoDB;

mysql> SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES
       WHERE name LIKE 'test/%';
+----------+----------------------------------------------------+-------+
| table_id | name                                               | space |
+----------+----------------------------------------------------+-------+
|      333 | test/fts_0000000000000147_00000000000001c9_index_1 |   289 |
|      334 | test/fts_0000000000000147_00000000000001c9_index_2 |   290 |
|      335 | test/fts_0000000000000147_00000000000001c9_index_3 |   291 |
|      336 | test/fts_0000000000000147_00000000000001c9_index_4 |   292 |
|      337 | test/fts_0000000000000147_00000000000001c9_index_5 |   293 |
|      338 | test/fts_0000000000000147_00000000000001c9_index_6 |   294 |
|      330 | test/fts_0000000000000147_being_deleted            |   286 |
|      331 | test/fts_0000000000000147_being_deleted_cache      |   287 |
|      332 | test/fts_0000000000000147_config                   |   288 |
|      328 | test/fts_0000000000000147_deleted                  |   284 |
|      329 | test/fts_0000000000000147_deleted_cache            |   285 |
|      327 | test/opening_lines                                 |   283 |
+----------+----------------------------------------------------+-------+

前 6 个表 test/fts_*_index_* 表表示倒排索引表，也称之为「辅助索引表」。

辅助索引表名称以 fts_ 为前缀，后缀为 index_ * 。每个索引表都通过索引表名称中与索引表的 table_id 匹配的十六进制值与数据表相互关联。

例如，test/opening_lines 表的 table_id 为 327，十六进制值为 0x147。如前面的示例所示，147十六进制值出现在与 test/ opening_lines 表关联的索引表的名称中

代表全文索引的 index_id 的十六进制值也出现在辅助索引表名称中。例如在辅助索引表 test/ fts_0000000000000147_00000000000001c9_index_1 名称中，十六进制值 1c9 的十进制值为 457 。可以通过在INFORMATION_SCHEMA.INNODB_INDEXES 表中查询此值来识别在 opening_lines 表 ( idx ) 上定义的索引 ( 457 )

mysql> SELECT index_id, name, table_id, space from INFORMATION_SCHEMA.INNODB_INDEXES
       WHERE index_id=457;
+----------+------+----------+-------+
| index_id | name | table_id | space |
+----------+------+----------+-------+
|      457 | idx  |      327 |   283 |
+----------+------+----------+-------+

如果主表是是在自己的文件表空间 ( file-per-table ) 中创建的，那么索引表也会保存在这个自己的表空间中。

前面示例中显示的其它索引表称为公共辅助表，用于删除处理和存储全文索引的内部状态。与为每个全文索引创建的倒排索引表不同，这组表对于在特定表上创建的所有全文索引是通用的。

即使删除了全文索引，也会保留公共辅助表。删除某个全文索引时，将会保留为该索引创建的 FTS_DOC_ID 列。如果想要删除 FTS_DOC_ID 列，则需要重建表

公共的辅助表是用来管理 FTS_DOC_ID 列的

fts_*_deleted 和 fts_*_deleted_cache

包含已删除但尚未从全文索引中删除其数据的文档的ID ( DOC_ID )

fts_*_deleted_cache 是 fts_*_deleted 表的内存版本
fts_*_being_deleted 和 fts_*_being_deleted_cache

包含已删除文档的文档 ID ( DOC_ID )，其数据当前正在从全文索引中删除

fts_*_ being_deleted_cache 表是 fts_*_being_deleted 表的内存版本
fts_*_config

存储有关全文索引的内部状态信息。最重要的是，它存储 FTS_SYNCED_DOC_ID ，用于标识已解析并刷新到磁盘的文档。

从崩溃中恢复的时，FTS_SYNCED_DOC_ID 值用于标识尚未刷新到磁盘的文档，以便可以重新解析文档并将其添加回全文索引缓存

要查看此表中的数据，请查询 INFORMATION_SCHEMA.INNODB_FT_CONFIG 表

当对传入的文档进行分词时。单个单词 ( 也称之为 Token ) 会和位置信息、关联的文档 ID ( DOC_ID ) 一起插入索引表中。

插入时会使用基于「字母顺序」对 Token 的第一个单词进行完全排序，并将结果按排序权重分布到这 6 个索引表中。

倒排索引划分了 6 个辅助索引表以支持并行索引创建。默认情况下，会创建两个线程对单词和关联数据进行分词，排序和插入索引表。我们可以使用innodb_ft_sort_pll_degree 选项配置线程数。在大型表上创建全文索引时，可以考虑适当增加线程数。

后记

请，千万不要在 MyISAM 和 InnoDB 表的区别时说「 InnoDB 不支持全文索引了」那已经是过去时了...千万千万